2021, Vol. 37
2. 中山大学大气科学学院气候变化与自然灾害研究重点实验室/南方海洋科学与工程广东实验室（珠海），广东 珠海 519082;
3. 中国气象局上海台风研究所，上海 200030;
4. 中国地质大学工程学院，湖北 武汉 430074
2. College of Atmospheric Sciences, Guangdong Province Key Laboratory For Climate Change and Natural Disaster Studies, Sun Yat-sen University; Southern Marine Science and Engineering Guangdong Laboratory(Zhuhai), Zhuhai 519082, China;
3. Shanghai Typhoon Institute of China Meteorological Administration, Shanghai 200030, China;
4. College of Engineering, China University of Geosciences, Wuhan 430074, China
大气温度是大气热力学参数之一，在提高数值模拟预报和气候预测等工作中扮演重要角色[1-2]。获取大气温度垂直分布信息，有助于了解极端天气的生成和发展。台风作为极端天气之一，发源于热带或副热带海面，多发生于夏秋两季，危害大，影响广，常伴有强风和大暴雨，给国民生产生活造成巨大不便和危害。大多数情况下，当台风等级由初期发展到成熟阶段时，台风暖心的温度结构特点也逐渐明显，则可以通过温度特征来判断台风发展阶段[3]。因此，获取精准的大气温度垂直信息对加深理解台风结构和变化具有重要意义。
从传统的站点观测，到低光谱卫星探测，再到目前的红外高光谱探测卫星，大气遥感技术不断发展和进步。我国风云四号A星（FY-4A）于2016年12月11日发射升空，是我国第二代静止气象卫星，相比风云二号系列业务卫星，FY-4A整体性能得到较大优化，其整体表现可达到欧美最新一代静止气象卫星要求，现已被世界气象组织纳入探测全球对地系统的卫星列队[4]。FY-4A搭载的主要载荷之一——干涉式大气垂直探测仪（Geostationary Interferometric Infrared Sounder，GIIRS），是国际上第一台以红外高光谱迈克尔逊干涉分光方式探测三维大气垂直结构的精密仪器[5]，可以观测到气流的水平和垂直运动[6-7]。GIIRS为风云静止系列卫星新增载器之一，国内外学者围绕GIIRS的性能和应用前景开展大量研究。周爱明[4]和鲍艳松等[8]通过大气辐射传输模式正演计算得到的亮温资料，利用人工神经网络方法建立反演大气参数模型，发现基于此模型反演的大气温度廓线在对流层的反演精度优于平流层，并进一步与IASI（Infrared Atmospheric Sounding Inteferometer，IASI）温度数据对比，GIIRS在500 hPa高度以下具有良好的反演效果，而在高层与IASI还存在一些差距。He等[9]利用全球探空资料并结合葵花8号卫星云分类产品，评估GIIRS温度和湿度反演产品在无云和不同云类型条件下的反演精度，研究表明无云时GIIRS数据的均方根误差为2.1 K，多云时为3.7 K，不同云类型对GIIRS反演影响不同，进一步阐明利用红外探测时应考虑云对探测器反演的影响。黄艺伟等[10]利用探空资料对GIIRS在上海台风季时的温度廓线反演精度进行研究，结果表明GIIRS在无云时温度廓线反演精度最高，均方根误差为1.74 K，且对流层中上层的反演效果与探空资料最接近，同样认为随云层降低其反演精度降低。GIIRS也可以监视灾害性天气的发展过程和大气化学成分的精细变化[11]。我国利用GIIRS对台风“玛莉亚”探测实现两个“首次”：对台风的“立体扫描”以及开启全新数值预报模式“观测-预报”模式，这为研究台风强度和台风路径准确性提供有力支撑[12-13]。目前，针对GIIRS的研究多集中在仪器性能[6, 14-15]和通道选择[5, 16-17]，而其在不同地区的适用性研究较少。
卫星产品资料的探测精度是保障科研和业务顺利进行的关键因素，在利用这些资料之前，有必要掌握资料的反演精度，才能选择合适的资料进行应用。考虑到再分析资料可获取全球范围的大气信息，可弥补因洋面探测站不足而缺少资料的问题，在科研和业务中应用广泛，因此，本文将基于与ERA5再分析资料的对比，分析GIIRS/FY-4A在我国东海和南海海域，台风高发期无云和有云条件下不同质量控制的大气温度廓线反演精度，并进行GIIRS/FY-4A大气温度反演廓线在台风期间的适用性研究，为提高台风期卫星反演精度和认识理解大气变化及防灾减灾等提供数据支撑和决策依据。
2 数据与方法 2.1 资料介绍ERA5（European Centre for Medium-Range Weather Forecasts Reanalysis V5），是继FGGE、ERA-15、ERA-40和ERA-Interim后第五代欧洲中期天气预报中心大气再分析资料。该资料使用物理定律将模型数据与来自世界各地的观测数据整合到一个完整且一致的全球数据集中，可获取全球范围内的数据。与前几代数据相比，ERA5在时空分辨率、大气垂直高度、提供的大气变量和数据同化过程等均有较大的改进和提升[17-22]。在大多数热带地区和局部中纬度地区，相比于ERA-Interim，ERA5显示出与GPCP（the Global Precipitation Climatology Project，GPCP）较低的偏差和无偏差的均方根误差，以及较高的相关性[22]。也有学者[23]表明ERA5相比ERA-Interim，对流层温度、风和湿度变量与其他资料拟合度更高。孟宪贵等[18]对ERA5再分析资料在山东的适用性进行初步分析，结果表明ERA5整体在分析地面和高空要素时的精度要高于ERA-Interim再分析资料，其中温度变量在对流层中低层表现强于高层，同时表示此资料的时空分辨率有助于对大气状态进行更详细的描述。朱江萍等[24]对三种再分析资料2 m气温要素在中国南极考察区域中山站——Dome A断面的适用性进行研究，结果表明CRAInterim（CMA's global atmospheric Re-Analysis-Interim）和ERA5在夏季温度反演最好，但极端天气事件发生时ERA5反演温度更为准确。Robert等[21]利用50个无线电探空仪的观测值评估北极地区夏末包括ERA5在内的5种大气再分析资料的准确性，指出ERA5在风和温度领域的性能得到较大改善，性能最佳，在没有数据同化的情况下，ERA5在温度、风速和比湿三个方面与探空资料的相关系数最高，并且偏差和均方根误差也更小。Zheng [25]在广东省及周边地区评估ERA5的适用性发现，大气温度的再现性最好，并且高空数据的质量优于低空。本研究选取ERA5每小时气压层温度数据集，时间分辨率是1 h，空间分辨率是0.125 ° × 0.125 °，垂直高度层为37层（1~1 000 hPa）。
GIIRS/FY-4A通过高频次大范围的区域大气和地表观测，来提高天气预报的准确率[26, 39]。目前，GIIRS的区域探测目标主要是以晴空为主[11]，工作模式主要为中国区、全圆盘、区域、太阳回避、定标和指向模式，可通过地面指令灵活安排[6]。GIIRS时间分辨率为2 h，空间分辨率为16 km，光谱范围通道数量为1 650个，遇特殊天气可进行多频率观测。GIIRS大气温度湿度廓线AVP（Atmosphere Vertical Profile，AVP）以NC格式进行存放，垂直气压层为101层（0.005~1 100 hPa）。AVP中包含经纬度信息、气压层、温度、温度质量控制和云检测等相关数据。
2.2 卫星资料处理与对比分析方法根据GIIRS/FY-4A说明手册，利用计算机语言读取GIIRS反演产品中大气温度廓线的经纬度信息、气压层、温度、温度质量控制和云产品。其中，GIIRS温度反演数据质量控制划分为以下几类：质量控制0为“perfect”，即数据最好；质量控制1为“good”，即数据一般；质量控制2为“bad”，即数据较差；质量控制3为“do not use”，即不可利用的数据，“-99”为系统无效值。本文在进行精度研究时将系统无效值和质量控制为2以上的GIIRS数据剔除，不做讨论。
为了有效准确地进行台风高发期（2019年5月1日—9月30日）GIIRS温度反演廓线与ERA5再分析资料在东海（122.5~137.0 °E，15.0~31.0 °N）和南海（111.0~119.5 °E，11.5~21.5 °N）海区精度对比（图 1），需要将数据的时间、空间位置、大气垂直气压层与ERA5再分析资料进行匹配，并剔除一些不符合物理意义以及样本值与平均值的偏差超过三倍标准差的“异常值”。在时间匹配上选取与卫星资料同小时段内的ERA5数据，空间信息匹配则根据卫星载器的空间分辨率进行格点平均，选取卫星与ERA5共同观测区域的数据，为确保气压层可以进行准确的比较，将卫星资料的气压信息进行线性插值，选取与ERA5数据相同的37层气压高度进行研究。
|
图 1 东海和南海海区研究范围 |
根据GIIRS云反演产品将云天分为无云和有云。对流层顶高度随着地理纬度和季节变化。低纬度地区对流层顶平均高度为17~18 km，中纬度地区平均为10~12 km，高纬度地区平均为8~9 km，因此本文将东海和南海海区（低纬度地区）100 hPa气压层高度划分为对流层顶。
为了更好地进行多种数据的对比，采用平均偏差[27]（Mean Bias，MB）、均方根误差[27] (Mean Squared Error，RMSE)进行更精确的说明，公式如下：
| $ \mathrm{MB}=\frac{1}{N} \sum\limits_{i=1}^{N}\left(y_{i}-x_{i}\right) $ | (1) |
| $ \mathrm{RMSE}=\sqrt{\frac{1}{N} \sum\limits_{i=1}^{N}\left(y_{i}-x_{i}\right)^{2}} $ | (2) |
其中，xi为基准数值，yi为反演数值，N为样本总数，i为样本计数值。
2.3 台风个例编号1909号台风“利奇马”于2019年8月4日起编命名，于8月10日01:45（北京时，下同）在浙江省温岭市城南镇沿海登陆（图 2为台风“利奇马”即将登陆时FY-4A气象卫星真彩监测图像），登陆时强度为超强台风等级，中心最低气压为930 hPa，中心附近风力最大可达16级（52 m/s）。“利奇马”陆上滞留时间长（44 h），为1949年以来登陆我国大陆滞留超过40 h以上的台风之一，该台风风雨强度和影响范围广，造成了严重的灾害损失。
|
图 2 FY-4A气象卫星真彩监测图像2019年8月8日13:00 |
图 3揭示了东海海区云对GIIRS不同质量控制的温度反演数据造成的差异。四种条件下（图 3a），无云时GIIRS质量控制0的数据MB最小，对流层中下层的MB基本与0 K线重合，20~1 000 hPa高度范围内，MB平均值为0.29 K，随着高度增加至平流层顶，偏差逐渐增大。其余三种情况的数据变化趋势为MB随高度的增加逐渐增大，且在1 hPa和125 hPa高度达到各自的最大值。除无云时质量控制为1的数据外，其他三种情况的数据均在750 hPa高度以下误差最小。由图 3b可以发现，无云时质量控制0的数据RMSE变化最平稳，范围为[0.76，8.57] K，对流层顶高度以下，GIIRS温度反演精度较高，总体控制在2 K以内，在150~450 hPa高度范围内RMSE小于1 K，高值区主要集中在1~125 hPa高度范围内，误差较大，最大值为8.57 K。有云时质量控制0的数据RMSE平均值为4.69 K，是无云时的2倍。300 hPa高度以下质量控制1的数据在无云和有云时反演误差相差较小，其上高度云对该数据反演有一定影响。
|
图 3 东海海区无云和有云时GIIRS质量控制0和1的温度反演数据MB（a）和RMSE（b） |
图 4给出了东海海区GIIRS不同质量控制的数据在无云和有云时温度反演廓线与ERA5资料的离散性。由图 4a~4d色标可知，数据频数最多可达105.5量级。无云时质量控制0的数据总体RMSE为1.71 K，220 K温度以下GIIRS偏离等温线距离较远，向两侧均有不同程度的分散。无云时质量控制1的数据红标多集中在等温线右侧，反演温度比ERA5偏低。有云时，质量控制0和1的数据严重偏离等温线，以270 K温度为节点，节点左侧比节点右侧偏离程度大。根据GIIRS反演大气层温度范围值分析，节点左侧的数据主要分布在平流层和对流层中上层，图中色标高值较多集中在等温线右侧，这就说明平流层和对流层中上层GIIRS温度反演产品与ERA5资料离散程度大，反演精度低，反演温度以偏低为主。节点右侧温度范围内，270~290 K范围内蓝标有向等温线下侧偏离趋势，290 K温度时蓝标则朝相反方向偏离，即270~290 K范围内GIIRS温度反演比ERA5偏低，290 K以上反演偏高。整体上，无云时GIIRS质量控制0的数据反演精度高；有云时，反演受云影响明显，精度较低，与ERA5还存在一定差距。误差主要来源于平流层和对流层中上层，平流层顶误差最大，这是由于平流层与对流层气体含量不同，90%的臭氧分布在平流层，吸收太阳对地球表面的辐射，影响大气层温度垂直分布[28-30]，影响卫星对平流层热力结构的反演精度。
|
图 4 东海海区GIIRS不同质量控制的温度反演数据在无云和有云时的散点图 图中色标是指观察的频数，以10n计数，n为色标中的数值。黑色直线为等温线。a. 质量控制为0，无云；b. 质量控制为0，有云；c.质量控制为1，无云；d. 质量控制为1，有云。 |
图 5揭示了不同质量控制下，南海海区云对GIIRS温度反演数据影响的差异。如图 5a所示，无云时质量控制0的数据在四种条件中MB最小，MB平均值为1.51 K，其中对流层MB平均值为0.37 K，与ERA5误差较小，以正偏差为主，说明GIIRS高估了这片海域的大气温度。其余三种条件下，均存在不同程度的偏差，随着对流层高度的降低偏差减小，以负偏差为主，反演温度低于ERA5资料，其中无云时质量控制1的数据MB最大。进一步分析GIIRS在不同条件下的RMSE发现（图 5b），无云时质量控制0的数据RMSE范围为[0.52，12.97] K，RMSE高值区主要集中在平流层，特别是平流层顶；对流层RMSE平均值为1.17 K，在150~800 hPa高度范围内RMSE小于1 K，反演精度高，可以准确描述该范围内的大气温度状态，对流层底层RMSE有所增加。其他三种条件下的RMSE均较大，反演精度低，与ERA5资料还存在一定差距。有云时300 hPa高度以上，质量控制0和1的数据RMSE变化趋势一致。总体而言，云在很大程度上影响GIIRS反演效果。
|
图 5 南海海区无云和有云时GIIRS不同质量控制的温度反演数据的MB（a）和RMSE（b） |
海面是相对陆地较为简单的一种下垫面类型，但并不意味着海面对卫星反演影响小。根据GIIRS在东海和南海海区近海面反演误差对比可以发现，在近海面高度范围内GIIRS温度反演产品在东海海区的反演精度稍好于南海海区。东海比南海纬度高，可能会对卫星反演有一定作用，但是二者均在低纬度带，纬度造成的反演差异可以忽略不计。那就有可能是由于东海和南海水质状况不同[31-33]，水中物质会影响海面向上发射的长波辐射，影响卫星的红外波段光谱，进而影响近海面温度廓线的反演精度。
图 6给出了南海海区GIIRS不同质量控制数据在无云和有云时温度反演廓线与ERA5资料的离散性差异。由图 6a~6d色标可知，数据频数最多可达105量级。无云时质量控制0的数据总体RMSE为1.67 K，270 K温度以下GIIRS偏离等温线较远且频数大，反演温度比ERA5偏高；270 K温度以上GIIRS较集中在等温线两侧。无云时质量控制1的数据红标多集中在等温线右侧。有云时，质量控制0和1的数据严重偏离等温线，以270 K温度为节点，节点左侧比节点右侧偏离程度大。节点左侧温度根据偏离程度可分为3种情况：200 K温度以下，红标和蓝标多集中在等温线上侧，即GIIRS温度反演比ERA5偏高；200~250 K GIIRS以反演温度偏低为主；250~270 K GIIRS偏离程度最严重，反演温度偏高。根据GIIRS反演大气层温度范围值分析，节点左侧的数据主要分布在平流层和对流层中上层。其中，造成误差高值区的数据来源为平流层顶。节点右侧温度范围内，质量控制0的数据红标则集中在等温线上，285~295 K范围内蓝标在等温线下侧分布范围广，此温度范围GIIRS以反演偏低为主，而质量控制1的数据反演较好。整体上，无云时GIIRS质量控制0的数据反演精度高；有云时，廓线反演受云影响明显，精度较低，与ERA5还存在一定差距，误差高度主要来源于平流层和对流层中上层，平流层顶误差最大。
|
图 6 同图 4，但为南海海区 |
通过以上结果说明，GIIRS质量控制0的温度反演廓线在无云时与ERA5资料最接近，有云时，反演误差增大。云检测是卫星遥感处理过程中关键一步。有云时卫星探测器观测的辐射值包含了大气吸收信息、云高和云量等众多参数。有云情况下反演很困难[34]：（1）云的复杂多样性造成大气辐射传输过程中云描述困难；（2）有云时增加了反演参数个数，造成反演不稳定；（3）无云时温度的求解方程为线性，而有云时则变为非线性，求解复杂；（4）缺少有云时大气廓线及参数与卫星资料之间的关系。正确分离有云和无云像元在温度反演和天气预报等工作中具有重要影响。
目前，关于大气温度反演方法，主要有特征向量统计法[35]、人工神经网络法[4, 36]、变分法[37]、联合反演算法[35, 38]等，具有不同优劣，最终影响数据的反演效果。Cai等[39]提出了一种基于人工神经网络的反演方法，利用GIIRS L1和EC再分析数据进行反演，并将反演后的结果在华北平原进行研究，温度和湿度反演廓线精度均表现出较强优势。鲍艳松等[8]基于人工神经网络研究了GIIRS大气温度反演方法，对未来反演和应用提供了重要参考。总而言之，选择合适的反演方法可提高反演精度，使得揭示出的大气结构更为准确。
3.3 GIIRS/FY-4A在台风期间的适用性研究图 7为GIIRS不同质量控制的温度反演数据在台风“利奇马”海上发展阶段5个台风等级条件下各占该条件下探测数据总数的百分比图，探测数据总和包含101层大气压高度内的数据。如图所示，随着台风等级的加强，系统无效值呈现逐渐递增趋势，对流层无效值比例比平流层高（图 8）。热带风暴、强热带风暴、台风和强台风等级下GIIRS质量控制0的数据占比相差不大，超强台风等级下占比下降，可能是由于台风处于最强发展阶段，云团厚实，GIIRS在云量高的情况下反演精度下降。质量控制1的数据在5个等级条件下变化相差不大，均不超过总和的6%。台风作为有组织且庞大的中尺度天气系统，云量大，复杂多变、发展迅速。GIIRS提供的可利用高质量数据较少，不足25%，大部分数据质量控制为2和3（不可利用的数据）以及系统无效值，数据可信度较低。
|
图 7 GIIRS不同质量控制的温度反演廓线在台风“利奇马”海上发展阶段不同台风等级条件下所占数据总数百分比 系统无效值是指原数据中本存在的无效值“NaN”，即产品未能反演的温度值。 |
|
图 8 平流层(a)和对流层(b)GIIRS不同质量控制的温度反演廓线在台风“利奇马”海上发展阶段不同台风等级条件下所占数据总数百分比 系统无效值是指原数据中本存在的无效值“NaN”，即产品未能反演的温度值；不可利用的数据为质量控制3的数据。 |
基于GIIRS对台风“利奇马”的温度反演效果发现，平流层可利用的有效数据比对流层多，只有在8月9日这3个时次平流层数据较完整，存在较少的系统无效值，且在这3个时次GIIRS反演特征与台风发展过程中其余时次的温度结构效果不同，因此，图 9给出了台风“利奇马”为超强台风等级时8月9日3个时次的平流层纬向大气温度剖面结果，所用数据未做质量控制，旨在真实反映GIIRS反演能力。在这3个时次，1~100 hPa高度范围内发生了冷空气上升、暖空气下降的现象。在8月9日08时，126 °E左右10~100 hPa之间出现大气暖异常，最高温度可达250 K。随着台风逐渐西移，即将登陆陆地，出现温度异常的高度和影响范围也逐渐增大，在平流层上层出现冷异常，温度最低可达190 K，下层出现暖异常，温度最高可达260 K。根据不同时刻的台风中心研究发现，平流层出现温度异常的中心并不能与台风中心相对应，即异常中心与台风中心不在同一经度，影响范围在300 km左右，处于七级风圈半径内（380 km）。
|
图 9 a、b、c为台风“利奇马”超强台风等级时不同时刻平流层纬向温度剖面图（根据台风路径纬度信息进行剖面，UTC；单位：K） |
虽然GIIRS可以反映出台风中心附近在平流层的热力结构，但这些研究结果均是在没有对数据进行质量控制的基础上得到的，并且本文2.1和2.2节中也说明了基于ERA5资料GIIRS在对流层顶高度以上的反演能力：随着高度的增加GIIRS反演误差增大，特别是在有云时，反演精度较低，因此这部分的结果存在很大程度的不确定性。对于GIIRS给出的温度变化，还需要借助其他资料进行验证。结合前一部分的研究内容分析，即GIIRS在台风“利奇马”海上发展阶段不同质量控制的数据百分比，目前，GIIRS还不能给出大量可信度较高的反演数据用于研究台风“利奇马”的温度垂直结构。在未来的产品改进中，不仅需要提高数据的质量，还应减少系统无效值的占比。
4 结论本文基于欧洲预报中心最新一代再分析资料ERA5，研究我国2019年台风高发期（5—9月）东海和南海海区GIIRS/FY-4A卫星资料的大气温度反演廓线准确性，重点在于不同质量控制的数据和云对反演精度的影响，其次分析了GIIRS/FY-4A在台风期间的适用性，得到了如下结论。
（1）东海海区，无云时GIIRS质量控制0的温度反演数据MB最小，总体RMSE为1.71 K，150~450 hPa范围内RMSE小于1 K，450 hPa至近海表RMSE在2 K以内，误差高值区位于1~125 hPa。220 K温度以下GIIRS与ERA5离散程度最大。质量控制1的数据反演精度低且随高度的增加误差增大。有云时，GIIRS质量控制0和1的温度反演数据总体RMSE为4.72 K和5.55 K。当温度低于270 K，GIIRS严重偏离ERA5且反演温度值比ERA5高，270~290 K内反演温度值偏低，290 K以上则反演偏高。
（2）南海海区，无云时，质量控制0的数据总体RMSE为1.67 K，150~800 hPa范围内RMSE小于1 K，反演精度高，误差高值区集中在平流层。270 K温度以下GIIRS反演温度比ERA5偏高。质量控制1的数据RMSE为5.07 K。有云时，质量控制0和1的数据RMSE为6.68 K和7.56 K，反演精度低。200 K温度以下、250~270 K的GIIRS温度反演值比ERA5高，其余温度区间则偏低。
（3）台风“利奇马”在海上不同发展阶段，随着台风等级加强直至最大等级，GIIRS可信度较高的数据量呈现下降趋势，反演台风周边热力结构存在诸多不确定性，需要借助其他资料进行验证。
本文给出了GIIRS/FY-4A不同质量控制的反演数据在无云和有云时的反演精度，说明了云层对GIIRS反演精度带来很大不确定性，因此，下一步将更深入地探究有云时GIIRS反演精度低的原因。
致谢: 感谢国家卫星气象中心（NSMC）提供的GIIRS/FY-4A反演数据以及欧洲中期天气预报中心提供的ERA5大气再分析资料。| [1] |
王颖, 黄勇, 黄思源. 大气温湿度廓线反演问题的研究[J]. 国土资源遥感, 2008(1): 23-26. |
| [2] |
罗双, 尹球. 全球大气温度廓线的统计特性分析[J]. 热带气象学报, 2019, 35(4): 56-566. |
| [3] |
付驹. 台风登陆前后温度场垂直结构诊断研究[D]. 杭州: 浙江大学, 2009.
|
| [4] |
周爱明. 基于风云四号高光谱红外模拟资料反演大气温度廓线试验研究[D]. 南京: 南京信息工程大学, 2017.
|
| [5] |
尹若莹, 韩威, 高志球, 等. 基于FY-4A卫星探测区域模式背景误差和观测误差估计的长波红外通道选择研究[J]. 气象学报, 2019, 77(5): 898-910. |
| [6] |
华建文, 毛建华. "风云四号" 气象卫星大气垂直探测仪[J]. 科学, 2018, 70(1): 24-29+63+24. |
| [7] |
HUA J W, WANG Z H, DUAN J, et al. Review of geostationary interferometric infrared sounder[J]. Chinese Optics Letters, 2018, 16(11): 51-61. |
| [8] |
鲍艳松, 汪自军, 陈强, 等. FY-4A星GⅡRS大气温度廓线反演模拟试验研究[J]. 上海航天, 2017, 34(4): 28-37. |
| [9] |
HE M, WANG D, DING W, et al. A validation of Fengyun4A temperature and humidity profile products by radiosonde observations[J]. Remote Sensing, 2019, 11(17): 2039. DOI:10.3390/rs11172039 |
| [10] |
黄艺伟, 刘琼, 何敏, 等. 基于探空资料的上海台风季GⅡRS/FY-4A卫星温度廓线反演精度研究[J]. 红外, 2019, 40(9): 28-38. |
| [11] |
何兴伟, 冯小虎, 韩琦, 等. 世界各国静止气象卫星发展综述[J]. 气象科技进展, 2020, 10(1): 22-29+41. |
| [12] |
风云四号干涉式大气垂直探测仪在台风监测中发挥重要作用[J]. 红外, 2018, 39(8): 50.
|
| [13] |
陈仁, 高聪, 吴晓唯, 等. 风云四号大气垂直探测仪在气象预报中应用(英文)[J]. 红外与毫米波学报, 2019, 38(3): 285-289. |
| [14] |
冯绚, 李利兵, 陈博洋, 等. 风云四号A星干涉式大气垂直探测仪在轨定标及性能评价[J]. 红外与毫米波学报, 2019, 38(5): 648-654. |
| [15] |
罗双, 狄迪, 崔林丽. 基于信息容量的FY-4A/GⅡRS红外光谱探测能力研究[J]. 红外与毫米波学报, 2019, 38(6): 765-776. |
| [16] |
DI D, LI J, HAN W, et al. Enhancing the fast radiative transfer model for FengYun‐4 GⅡRS by using local training profiles[J]. J Geophy Res: Atmospheres, 2018, 123(22): 12583-12596. |
| [17] |
杨雨晗. FY-4A大气垂直探测仪(GⅡRS) 温度探测通道优选[D]. 上海: 华东师范大学, 2018.
|
| [18] |
孟宪贵, 郭俊建, 韩永清. ERA5再分析数据适用性初步评估[J]. 海洋气象学报, 2018, 38(1): 91-99. |
| [19] |
JU J P, XIE A H, QIN X, et al. An assessment of ERA5 reanalysis for Antarctic near-surface air temperature[J]. Atmosphere, 2021, 12(2): 217. DOI:10.3390/atmos12020217 |
| [20] |
张永林, 蔡昌盛. 基于再分析资料ERA5的对流层延迟估计方法及精度评估[J]. 大地测量与地球动力学, 2020, 40(1): 62-65. |
| [21] |
GRAHAM R M, HUDSON S R, MATURILLI M. Improved performance of ERA5 in Arctic Gateway relative to four global atmospheric Reanalyses[J]. Geophysical Research Letters, 2019, 46(11): 6138-6147. DOI:10.1029/2019GL082781 |
| [22] |
MIGUEL N. Inter-comparison of ERA-5, ERA-interim and GPCP rainfall over the last 40 years: Process-based analysis of systematic and random differences[J]. Journal of Hydrology, 2020, 583. |
| [23] |
HERSBACH H, BELL B, BERRISFORD P. et al. The ERA5 global reanalysis[J]. Quart J Roy Meteor Soc, 2020, 146(730): 1 999-2 019.
|
| [24] |
朱江萍, 谢爱红, 丁明虎, 等. 中国再分析资料气温在东南极中山站—Dome A断面的适用性分析[J]. 冰川冻土, 2020, 42(4): 1145-1157. |
| [25] |
ZHENG Y P. A preliminary analysis on the applicability of ERA5 reanalysis data in Guangdong Province[J]. Meteorological and Environmental Research, 2020, 11(02): 37-42+48. |
| [26] |
张志清, 陆风, 方翔, 等. FY-4卫星应用和发展[J]. 上海航天, 2017, 34(04): 8-19. |
| [27] |
马玉芬, 潘红林, 张海亮, 等. 大气红外探测器(AIRS)资料在塔克拉玛干沙漠的适用性检验与评估[J]. 干旱区地理, 2018, 41(5): 908-922. |
| [28] |
郭世昌, 汪明圣, 黎成超, 等. 东亚地区平流层臭氧变化特征及其与温度场的相关分析[J]. 云南大学学报(自然科学版), 2013, 35(5): 644-651. |
| [29] |
马鹏飞, 陈良富, 邹铭敏, 等. 温度对CrIS热红外卫星资料反演臭氧廓线的影响分析[J]. 光谱学与光谱分析, 2015, 35(12): 3344-3349. |
| [30] |
黄荣辉, 陈文, 魏科, 等. 平流层大气动力学及其与对流层大气相互作用的研究: 进展与问题[J]. 大气科学, 2018, 42(3): 463-487. |
| [31] |
环保部: 全国近岸海域水质总体一般东海水质极差[J]. 环境, 2014(7): 72.
|
| [32] |
霍云龙. 我国近海主要环境问题研究[D]. 厦门: 国家海洋局第三海洋研究所, 2011.
|
| [33] |
方宏达, 陈锦芳, 段金明, 等. 中国近岸海域海水水质及海水淡化利用的研究进展[J]. 工业水处理, 2015, 35(4): 5-10. |
| [34] |
李俊, 曾庆存. 有云时大气红外遥感及其反演问题──Ⅰ. 理论研究[J]. 大气科学, 1997卷号(3): 86-92.
|
| [35] |
赵慧洁, 米致远, 马晓航, 等. 基于红外光谱的大气温湿度反演研究进展[J]. 大气与环境光学学报, 2020, 15(2): 81-89. |
| [36] |
吴晓, 姚志刚, 韩志刚, 等. 利用IASI资料反演平流层大气温度[J]. 红外, 2016, 37(4): 11-17. DOI:10.3969/j.issn.1672-8785.2016.04.003 |
| [37] |
官元红, 任杰, 鲍艳松, 等. 基于一维变分算法的红外高光谱(IASI)卫星遥感大气温湿廓线研究[J]. 大气科学学报, 2019, 42(4): 602-611. |
| [38] |
NEHRIR A R, KIEMLE C, LEBSOCK M D, et al. Emering technolgies and synergies for airborne and space-based measurements of water vapor profiles[J]. Surveys in Geophysics, 2017, 38(6): 1445-1428. |
| [39] |
CAI X, BAO Y S, GEORGE P P, et al. Temperature and humidity profile Retrieval from FY4-GⅡRS hyperspectral data using artificial neural networks[J]. Remote Sensing, 2020, 12(11): 1872. DOI:10.3390/rs12111872 |